Module also offered within study programmes:
General information:
Name:
Fundamentals of Biometry
Course of study:
2016/2017
Code:
JIS-2-001-SW-s
Faculty of:
Physics and Applied Computer Science
Study level:
Second-cycle studies
Specialty:
Systemy wbudowane i rekonfigurowalne
Field of study:
Applied Computer Science
Semester:
0
Profile of education:
Academic (A)
Lecture language:
Polish
Form and type of study:
Full-time studies
Responsible teacher:
prof. dr hab. inż. Saeed Khalid (saeed@agh.edu.pl)
Academic teachers:
prof. dr hab. inż. Saeed Khalid (saeed@agh.edu.pl)
Module summary

Description of learning outcomes for module
MLO code Student after module completion has the knowledge/ knows how to/is able to Connections with FLO Method of learning outcomes verification (form of completion)
Social competence
M_K001 Student potrafi opracować materiały dotyczące określonych zagadnień w formie referatu i prezentacji. IS2A_K03, IS2A_K06 Project,
Scientific paper
M_K002 Student potrafi sporządzić poprawną dokumentację projektową. IS2A_K06, IS2A_K01 Report,
Execution of laboratory classes,
Completion of laboratory classes
Skills
M_U001 Student potrafi zaimplementować kompletny proces analizy danych biometrycznych. IS2A_U05, IS2A_U03, IS2A_U04 Report,
Execution of laboratory classes,
Completion of laboratory classes
M_U002 Student potrafi wykorzystać narzędzia obliczeniowe do analizy danych. IS2A_U05, IS2A_U03, IS2A_U04 Report,
Execution of laboratory classes,
Completion of laboratory classes
M_U003 Student potrafi posługiwać się wybranymi urządzeniami biometrycznymi. IS2A_U16 Report,
Execution of laboratory classes,
Completion of laboratory classes
Knowledge
M_W001 Student posiada przeglądową wiedzę na temat zagadnień biometrycznych. IS2A_W02 Activity during classes,
Project,
Report
M_W002 Student zna i rozumie przebieg procesu analizy danych biometrycznych. IS2A_W01, IS2A_W03, IS2A_W02 Activity during classes,
Project,
Report
M_W003 Student posiada wiedzę na temat przykładowych zastosowań algorytmów biometrycznych. IS2A_W17 Activity during classes,
Project,
Report
FLO matrix in relation to forms of classes
MLO code Student after module completion has the knowledge/ knows how to/is able to Form of classes
Lecture
Audit. classes
Lab. classes
Project classes
Conv. seminar
Seminar classes
Pract. classes
Zaj. terenowe
Zaj. warsztatowe
Others
E-learning
Social competence
M_K001 Student potrafi opracować materiały dotyczące określonych zagadnień w formie referatu i prezentacji. - - - + - - - - - - -
M_K002 Student potrafi sporządzić poprawną dokumentację projektową. - - + - - - - - - - -
Skills
M_U001 Student potrafi zaimplementować kompletny proces analizy danych biometrycznych. - - + - - - - - - - -
M_U002 Student potrafi wykorzystać narzędzia obliczeniowe do analizy danych. - - + - - - - - - - -
M_U003 Student potrafi posługiwać się wybranymi urządzeniami biometrycznymi. - - + - - - - - - - -
Knowledge
M_W001 Student posiada przeglądową wiedzę na temat zagadnień biometrycznych. + - - + - - - - - - -
M_W002 Student zna i rozumie przebieg procesu analizy danych biometrycznych. + - - + - - - - - - -
M_W003 Student posiada wiedzę na temat przykładowych zastosowań algorytmów biometrycznych. + - - + - - - - - - -
Module content
Lectures:
  1. Wprowadzenie

    • cechy i obrazy biometryczne, definicje, historia, …
    • przykłady cech biometrycznych

  2. Biometria a systemy rozpoznawania wzorców

    *akwizycja obrazu, cyfrowe przetwarzanie, baza danych i klasyfikacja

  3. Pomiary i ewaluacja człowieka na podstawie cech biometrycznych

    • identyfikacja i weryfikacja, uwierzytelnienie, rozpoznawanie, ….
    • błędy typu FRR, FAR, EER, i inne
    • źródła błędów biometrycznych
    • skalowanie, rotacja, translacja obrazów biometrycznych

  4. Kategorie cech biometrycznych

    • biometria fizjologiczna
    • biometria behawioralna

  5. Metody przetwarzania i analizy obrazów biometrycznych

    • odszumianie, binaryzacja, LUT, jasność, kontrast, kwantyzacja, progowanie, histogram, …

  6. Poprawienie obrazów biometrycznych poprzez filtracja

    • analiza wpływu najpopularniejszych filtrów liniowych i nieliniowych w biometrii

  7. Ekstrakcja cech i opis obrazów biometrycznych
  8. Metody rozpoznawania twarzy

    • metody statystyczne
    • metody numeryczne
    • inne
    • problemy

  9. Odciski palca

    • linie papilarne
    • minucje
    • metody odszumiania, binaryzacji, ścieniania odcisków

  10. Tęczówka oka jako klucz dostępu
Laboratory classes:
  1. Podstawowe operacje na obrazach (1 zajęcia)

    Studenci wykonują proste ćwiczenia implementacyjne zapoznające ich z podstawowymi algorytmami obróbki obrazów. Zapoznają się również z algorytmami dylatacji i erozji.

  2. Porównanie różnych metod binaryzacji obrazu (1 zajęcia)

    Studenci zapoznają się z zaawansowanymi technikami binaryzacji obrazu (na przykład algorytmy Otsu i Bernsena) i porównują ich skuteczność z prostymi algorytmami (na przykład binaryzacji lokalnej, globalnej i mieszanej przez średnią).

  3. Ścienianie obrazów (1 zajęcia)

    Studenci zapoznają się z algorytmem K3M oraz porównują jego skuteczność w stosunku do algorytmów KMM i ścieniania przez maskę.

  4. Analiza mowy (2 zajęcia)

    Studenci uczą się na przykładzie cyfr mowy polskiej jak wyodrębnić słowa z sygnału mowy oraz jak zakwalifikować je do poszczególnych klas.

  5. Twarz jako cecha biometryczna (3 zajęcia)

    Studenci analizują zdjęcia twarzy pod kątem wydobycia z nich cech charakterystycznych znajdujących się na nich osób. W tym celu implementują algorytmy detekcji skóry na obrazie oraz wydobycia z niego twarzy, po czym z tak uzyskanego obrazu twarzy ekstrahują wektor cech charakterystycznych.

  6. Detekcja ruchu na sekwencji wideo (1 zajęcia)

    Studenci implementują podstawowe algorytmy detekcji ruchu na sekwencjach wideo.

  7. Odcisk palca jako cecha biometryczna (3 zajęcia)

    Studenci analizują odciski palców w celu identyfikacji ich użytkowników. W tym celu przygotowują je wstępnie do ekstrakcji cech charakterystycznych, wydobywają z nich wektory tych cech oraz dokonują na ich podstawie klasyfikacji odcisków.

  8. Tęczówka jako cecha biometryczna (3 zajęcia)

    Studenci analizują zdjęcia oczu w świetle bliskim podczerwieni w celu wydobycia z nich tęczówek oraz przetwarzają wydobyte ze zdjęć obrazy tęczówek w celu ekstrakcji cech charakterystycznych.

Project classes:

Tematy wykładów są rozszerzane przez studentów w formie projektów. Każda grupa studentów (1-3) opracowuje temat, który prezentuje na zajęciach projektowych.

Student workload (ECTS credits balance)
Student activity form Student workload
Summary student workload 160 h
Module ECTS credits 6 ECTS
Contact hours 10 h
Participation in lectures 30 h
Participation in laboratory classes 30 h
Preparation for classes 40 h
Realization of independently performed tasks 30 h
Completion of a project 20 h
Additional information
Method of calculating the final grade:

Ocena końcowa będzie wystawiana na podstawie sprawozdań z zajęciach laboratoryjnych, na podstawie wykonanego projektu oraz aktywności na wykładzie.

Prerequisites and additional requirements:

Podstawowa umiejętność programowana, na przykład w języku JAVA, lub posługiwania się środowiskiem obliczeniowym, na przykład MATLAB lub SCILAB.

Recommended literature and teaching resources:
  • Gonzalez R. C., Woods R. E.: Digital Image Processing. Prentice Hall, 2008.
  • Choraś R. S.: Komputerowa wizja: Metody interpretacji i identyfikacji obiektów. Problemy współczesnej nauki, teoria i zastosowania, informatyka, Akademicka Oficyna Wydawnicza EXIT, 2005.
  • Tadeusiewicz R.: Komputerowa analiza i przetwarzanie obrazów. Społeczeństwo globalnej informacji, Wydawnictwo fundacji postępu Telekomunikacji, Kraków, 1997.
  • Malina W., Ablemeyko S., Pawlak W.: Podstawy Cyfrowego Przetwarzania Obrazów. Akademicka Oficyna Wydawnicza EXIT, Warsaw, 2002.
  • Kasprzyk W.: Rozpoznawanie obrazów i sygnałów mowy. Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 2009.
  • Saeed K., Image Analysis for Object Recognition. Bialystok University of Technology, Bialystok, 2004.
Scientific publications of module course instructors related to the topic of the module:

Additional scientific publications not specified

Additional information:

None